Entrainement

Ouvrez RVC et allez dans l’onglet Train.

Dans Enter the experiment name, insérez un nom pour votre modèle. N’incluez pas de caractères spéciaux ou d’espaces.

Dans Target sample rate, sélectionnez le nombre qui correspond au taux d’échantillonnage de votre jeu de données. Entrer un taux incorrect pourrait affecter la qualité finale.

Ouvrez le dossier de Mangio, allez dans le dossier datasets et déplacez-y votre jeu de données.

Cliquez sur le bouton Process Data au centre. RVC traitera les critères précédents pour l’entraînement ainsi que le fichier du jeu de données, ce qui peut prendre un moment selon sa taille.

• L’opération se termine lorsque la boîte de sortie à droite affiche “end preprocess”.

Dans Enter the GPU index(es), déterminez quels GPU vous utiliserez pour l’entraînement, en indiquant l’index suivi d’un tiret (par exemple : 0).

À droite, sélectionnez l’algorithme d’extraction de pitch. Utilisez uniquement RMVPE, Crepe ou Mangio-Crepe, car les autres sont obsolètes.

Cliquez maintenant sur le bouton Feature extraction à droite.

• L’opération se termine lorsque la sortie affiche “all-feature-done”.

Cliquez sur le bouton Train feature index en bas. Cela créera le fichier .INDEX.

• L’opération se termine lorsque la boîte de sortie affiche “Successful index Construction”.

Définissez la fréquence des points de sauvegarde, basée sur les époques. Si vous êtes novice, laissez-la simplement à 15.

• Exemple : avec une valeur de 10, les sauvegardes seront effectuées après les époques 10, 20, 30, etc.

Dans Total training epochs, déterminez le nombre total d’époques (cycles d’entraînement) pour le modèle. Utilisez une valeur arbitrairement grande comme 2000 si vous utilisez TensorBoard.

Laissez Batch size per GPU à 8 si vous n’êtes pas familier avec ce paramètre. Si votre jeu de données est court (environ 2 minutes ou moins), utilisez 4 à la place.

Avant de commencer l’entraînement, ouvrez TensorBoard. Si vous ne l’avez pas déjà fait, commencez à lire à ce sujet ici.

Commencez l’entraînement du modèle en cliquant sur Train model. N’oubliez pas de surveiller TensorBoard et la console pour vérifier les erreurs éventuelles et les informations sur les époques et les points de sauvegarde.

Lorsque vous êtes sûr de l’overtraining, vous pouvez arrêter l’entraînement en appuyant sur le bouton Stop training à la place de Train model.

• Créez un nouveau dossier n’importe où, nommé comme votre modèle.
• Ouvrez le dossier de RVC, allez dans logs, puis ouvrez le dossier nommé avec le modèle. Sélectionnez le fichier .INDEX nommé added_ et déplacez-le dans votre nouveau dossier.
• Allez dans le dossier weights. Vous y trouverez les points de sauvegarde du modèle. Sélectionnez celui qui est le plus proche de l’avant du point d’overtraining et déplacez-le dans le nouveau dossier. Ces fichiers seront organisés avec ce format : ModelName_Epoch_Step.pth. Exemple : kalomaze_e60_s120.pth.

Vous pouvez maintenant utiliser ces fichiers pour l’inférence ou pour reprendre l’entraînement.